导读
Introduction
在自动驾驶端到端模型成为主流之前，关于激光雷达作为传感器的配置必要性有较多讨论和争议。从主流车企和智驾方案商的选择来看，在算力增强、端到端算法趋于成熟的背景下，多传感器融合和纯视觉路线已不再对立，激光雷达等传感数据正在与端到端算法融合。如自动驾驶的英伟达 Hyperion 9 Platform 参考架构中，激光雷达作为传感器输入数据的维度。
01
端到端与激光雷达融合
1.1 世界模型起步：激光雷达帮助理解物理世界
在自动驾驶端到端模型成为主流之前，关于激光雷达作为传感器的配置必要性有较多讨论和争议。 此前争议持续存在的核心因素在于特斯拉坚持纯视觉+神经网络路线，总体上特斯拉CEO 马斯克认为摄像头的视觉感知和数据处理能力足以替代激光雷达和其他传感器，进而实现车辆自动驾驶。
其纯视觉路线当前具备独特性，很大部分归因于其大量驾驶数据和广泛用户基础，在 “BEV+Transformer+Occupancy Network”算法框架下能持续训练数据并推出端到端量产上车算法（2024 年 FSD V12 版本具标志性）。 近期，马斯克近期再次公开批评激光雷达，称其为“错误的解决方案”，并重申了其一贯的观点：在复杂的道路驾驶环境中，模拟生物神经网络和眼睛的视觉系统，才是最为有效的方式。
部分能够对纯视觉路线形成支撑的论文包括：
（1）CVPR2019 热门论文之一《Pseudo-LiDAR from Visual Depth Estimation》（基于图像深度检测的伪雷达算法）。该康奈尔团队的研究将基于摄像头的数据转换为类似激光雷达的点云格式，大大提升基于摄像头的准确率（对于 30 米范围内的简单场景大约从 22%准确率提升到 74%，同时激光雷达方案准确率更高约 89%）。
（2） CVPR2023 最佳论文之一有关端到端，即《Planning-oriented Autonomous Driving》（以路径规划为导向的自动驾驶）。上海人工智能实验室、武汉大学及商汤科技联合论文提出了感知决策一体化的端到端自动驾驶大模型 UniAD。
中性看待以上论文成果，一方面支撑纯视觉路线，一方面也看到激光雷达方案作为数据对比项有更优准确率，以及端到端步入技术成熟。 尽管特斯拉自身纯视觉路线在全球范围内的可行性仍有待进一步讨论验证，我们认为从其他主流车企和智驾方案商的选择来看，在算力增强、端到端算法趋于成熟的背景下，多传感器融合和纯视觉路线已不再对立，激光雷达等传感数据正在与端到端算法融合。
在端到端初步成熟迈入量产，英伟达等发布物理 AI 和世界模型背景下，智驾方案有
了新的选择，对传感器尤其是雷达不再限于用不用的讨论，更多是怎么用系统效果更优。
如英伟达 CEO 黄仁勋在 CES 2025 开幕演讲中提到发布物理 AI 更新，尤其世界模型（即英伟达 Cosmos）。开发者可以用 Omniverse 创建 3D 场景，用 Cosmos 将 3D 场景转化为逼真场景，然后一次生成多个模型，指导机器人寻找完成任务的最佳方案。
用于自动驾驶的英伟达 Hyperion 9 Platform 参考架构中，激光雷达作为传感器输入数据的维度。在自动驾驶（AV）的应用，参考架构基于 DRIVE Orin 的 AI 计算与完整的传感器套件集成在一起，采用了 12 个摄像头、9 个雷达、12 个超声波雷达、1 个激光雷达。
此外， 2024 年多家领军公司宣布应用“端到端”量产，激光雷达在国内主流方案均配备。大模型端到端的代表包括：小鹏汽车在 2024 年 5 月官宣称发布了国内首个量产上车的端到端大模型，成为全球唯二量产端到端大模型的车企。华为在 2024 年的智能汽车解决方案发布会上发布了 ADS 3.0 系统，采用端到端架构 GO-PDP，将 GOD 及 PDP 网络升级为端到端神经网络。理想汽车智能驾驶副总裁郎咸朋表示，对智驾核心的思路是 “端到端+大模型”，也就是“系统 1+系统 2”的理念，并且认为这种方式更接近人类驾驶。2024 年 7 月蔚来创新科技日上蔚来发布 世界模型 NWM（NIO WorldModel），除了端到端模型，NWM 通过自回归的方式自动学习知识和物理规律。
1.2 适合中国路况体制的安全气囊
就中国市场而言，我们认为激光雷达配置的必要性更强，主要体现在三方面：1）客观上，中国驾驶环境相对复杂，对激光雷达需求高；2）主观上，用户将智驾和激光雷达配置纳入消费决策；3）激光雷达和 V2X 技术能够有效结合。注逐一分析如下：
1）客观上，中国驾驶环境复杂需要冗余“安全气囊”
根据此前理想 CEO 李想的采访观点，我们可以看到从车企视角，配置激光雷达主要是出于安全保障的原因。 据 36 氪报道，近期李想接受采访时表示坚持使用激光雷达不是技术问题，而是中美驾驶环境的不同所决定的。“在中国，如果你经常晚上开夜路，就会遇到尾灯损坏的大货车，甚至有些大货车直接停在主路上，毫无警示。”李想指出，“目前我们的摄像头在完全无光环境下，最远只能探测到 100 米左右的距离。而激光雷达，即便在全黑环境中，也能探测到 200 米远的物体，这使得车辆在 130 公里/小时的速度下，依然能够实现 AEB 自动紧急制动。”
同时李想也表示，未来的车型也将继续搭载激光雷达，为用户提供更高水平的安全保障。
类似地，根据环球网报道，华为消费者业务集团 CEO 余承东在此前一场直播中表示，华为坚持采用激光雷达，主要是出于安全性的考虑。他指出，仅依赖摄像头方案而未使用激光雷达的方案，在摄像头致盲的情况下将无法正常工作，从而可能导致安全事故。余承东强调，摄像头虽然功能强大，但仍有其局限性，特别是在某些极端环境下，如雨天或大雾天，摄像头的性能会大打折扣。因此，他认为，包括毫米波雷达在内的多种传感器都应该被车厂采用，以确保智能驾驶系统的稳定性和安全性。
2）主观上，用户对激光雷达产品认知和接受度高，可能纳入消费决策
用户对自动驾驶的认知度和期望值高，激光雷达产品作为一个标志性的智驾硬件设备，消费者在进行购车决策时将纳入购车考虑。
根据罗兰贝格《汽车行业颠覆性数据探测》的最新观察，全球超过 50%的消费者相信能够在 2030 年前看到自动驾驶汽车在路上行驶，中国消费者的该比例更是高达 75%。自动驾驶相关功能正逐渐成为消费者购车时的重要考虑因素。
3）激光雷达和 V2X 技术能够有效结合
激光雷达和 V2X 技术的结合可以实现更全面的感知和更智能的决策，具体表现为：
数据融合：激光雷达可以作为 V2X 路测感知设备的一种，它提供的高精度环境感知数据与 V2X 通信获取的外部信息相结合，可以形成更完整的交通场景感知。例如，在复杂路口，激光雷达可以检测到行人和非机动车，而 V2X 可以提前预警其他车辆的动态，从而减少碰撞事故。
提高安全性：此外，车侧激光雷达也能与 V2X 信息融合，作为自动驾驶算法的信息输入，可以显著提高自动驾驶系统的安全性。例如，激光雷达可以检测到前方车辆的精确位置和速度，而 V2X 可以提供前方道路的实时交通信息，如红绿灯状态、其他车辆的意图等。
提升驾驶体验：通过数据融合，自动驾驶系统可以更智能地规划行驶路径，减少不必要的制动和加速，提供更平顺的驾驶体验。
02
智驾下沉：价格与场景交汇，渗透率井喷在即
结合上文，此前激光雷达上车的一个核心问题在于价格昂贵（包括马斯克多次提到该原因），在整车成本中传感器总体成本受限情况下容易“退而”替换成摄像头、毫米波雷达等其他相对低成本传感器。
2025 年激光雷达行业将进入“千元机时代”。随着激光雷达产品价格快速下探到千元级别，激光雷达有望作为自动驾驶的“隐形安全气囊”，逐渐加强车企和用户对其“安全件” 作用的认知，大幅提升配置率。
禾赛和速腾在接受采访时，对降价带来的配置率快速提升做过展望：
（1）据盖世汽车，禾赛科技用于高级驾驶辅助系统（ADAS）的下一代激光雷达产品ATX，将以不到 200 美元的价格出售，是目前 AT128 型号价格的一半。禾赛科技首席执行官李一帆在接受路透社采访时指出，价格减半将使激光雷达的使用变得更有吸引力，即使对售价低于 2 万美元（约合 15 万元人民币）的平价电动汽车也是如此。他还表示，对于售价高于 2 万美元的电动汽车，激光雷达技术的采用率可能会跃升至 40%。
（2）据速腾聚创 CEO 邱纯潮接受车东西采访，速腾推出厚度只有 25mm 的超薄中长距车载激光雷达 MX 主要有两个行业意义：一是大幅缩小激光雷达的尺寸，更大的意义则是将成本打下来，当激光雷达部件的成本打到千元级别，智能驾驶系统的综合成本也将大幅下降，让 20 万以上车型能够标配，15～20 万元级车型能够选配激光雷达，有了激光雷达基本上就等于迈进了支持城市 NOA 智能驾驶的门槛。
邱纯潮同时指出，对于下沉的智驾市场而言，比如 15 万的车，一般整套系统能够给自动驾驶套系统留的钱大概是车身售价的 4%，即 6000 元。
此外，技术成熟和降本将外溢到非 ADAS 领域，即机器人 Robotics，以及自动驾驶AD。我们认为主要原因在于：（1）不同领域产品和技术平台具备一定复用性，泛机器人领域往往要求不如车载车规级要求苛刻，客户认证和突破速度更快；（2）泛机器人领域客户付费能力和付款条件较好，该技术外溢带来的盈利能力可能有望反哺企业帮助其度过ADAS 领域的早期技术突破阶段。
除了价格下降推动激光雷达上车，特定驾驶场景也对 ADAS 系统和传感器配置提出考验，激光雷达或为答案。如激光雷达能够在使汽车 AEB（Autonomous Emergency Braking，自动紧急刹车系统）功能更安全方面，起到关键作用。
当前全球范围内有较多法规对 AEB 功能提出具体要求，尤其是工作速度上。AEB 的工作速度极大取决于感知距离，汽车更早看清前方路况，就能保障在更高车速下进行安全制动。如 E-NCAP 和 FMVSS127 法规等均对 AEB 功能提出具体要求，且 AEB 要求的激活速度和工作速度在不断上升。
根据禾赛公众号（下同），激光雷达由于通过主动发射激光来实现直接探测，不依赖环境光，把激光雷达数据用于 AEB 功能开发，能大大增强夜间的 AEB 安全性。 对国内领先的智能汽车品牌的调查发现，相比无激光雷达车型，装有激光雷达的车型， AEB 速度上限有了约 50%的明显提升。
激光雷达的 2 个性能指标对 AEB 安全车速上限有直接影响：
（1）测距能力：测距能力更远的激光雷达，所能支持的 AEB 安全车速上限也更高。200 米标准测距与 150 米标准测距的激光雷达，其支持的 AEB 安全刹停车速分别是148km/h 和 135km/h。
（2）角分辨率：小型障碍物需要使用分辨率更高的激光雷达才能在远距离下探测到。在面对一个黑衣行人时，ATX（0.08°×0.1°）相较另一款激光雷达（0.25°×0.1°）的目标检出距离远了 50%以上，其支持的对行人 AEB 车速上限也从 96km/h 提升到了123km/h。
结合本节讨论，激光雷达价格快速下探至“千元”，法规对自动驾驶的要求确立也对激光雷达搭载提供了偏刚性的场景。价格与场景交汇，渗透率井喷在即。
根据盖世汽车研究院数据，2024 年 1-10 月，单年激光雷达装机量首次突破百万台。乘联会数据显示，2024 年 1-10 月国内乘用车市场零售销量达到 1783.5 万辆，结合装机量数据测算，2024 年激光雷达在汽车市场渗透率已增长至约 6.4%。
03
四巨头”（禾赛、速腾、华为、图达通）格局逐渐清晰。
3.1 竞争力驱动份额快速集中
激光雷达行业此前竞争激烈，海内外参与者众多在汽车智驾的行业变革机会下，不论是从市场份额还是能力角度，“四巨头”（禾赛、速腾、华为、图达通）格局逐渐清晰。
我们认为激光雷达产业公司要求的诸多素质中，有两方面尤为关键，其一为技术创新能力（包括产品探测距离，芯片自研能力，集成化小型化），其二为工程化量产和降本能力。
（1）技术创新（探测距离，芯片自研能力，集成化小型化）
激光雷达行业技术更新迅速，厂商需不断投入研发，掌握核心技术和专利，如光学、机械、电子、软件等领域均需要长期技术积累，从而使产品需具备高性能（如远距离探测、高分辨率、高可靠性等）。
芯片自研能力也逐步成为行业公司拉开差距的重要技术储备，对于产品小型化、降功耗都有显著优势。如 ATX 沿用了禾赛 AT 系列“芯片化收发+一维扫描”的成熟架构，并通过进一步提升收发模块集成度和大幅简化的核心光学扫描结构，实现了极致小巧的设计。与 AT128 相比，ATX 整机体积缩小 60%，重量减轻一半至 500 g，外露最小视窗高度仅 25 mm，在集成至整车时更隐形、更美观，同时将整机功耗降低 55% 至仅 8 W。
此外，激光雷达行业的成本控制素有“ 7 分靠设计，3 分靠供应链 ”的说法，其产品设计对下文提及的工程化降本能力也有显著影响。禾赛科技首席执行官李一帆在接受路透社采访时指出，使用自主开发的芯片运行激光雷达传感器并提高工厂产能利用率，或将进一步降低激光雷达的价格。
（2）工程化量产和降本能力
早年激光雷达缺乏产业集群配套，量产交付是重要卡点难题。当前自建工厂、自建车
规级产线已经成为行业头部公司普遍的做法，有利于提高公司量产能力和客户认可度。
一方面量产能力的提升可以显著降低激光雷达的制造成本。另一方面量产能力的提升为技术迭代提供了基础，大规模生产过程中积累的数据和经验可以反哺研发，推动技术的持续改进和创新。
海外厂商的产品开发逻辑倾向于解耦，即各组件独立开发、维护和演化，这种形式容易让开发周期延长。同时，海外厂商的产业集群效应较弱，也是国内厂商能够在量产交付层面表现更强的原因之一。 （参考来源：申万宏源）
来源：工信微报
